Aspose.Cells生成的XLSX文件被Tika误识别为application/zip求助

问题概述 #

使用com.aspose:aspose-cells:24.12生成的XLSX文件可被MS Excel正常打开，但通过org.apache.tika:tika-core:3.0.0检测MIME类型时，结果为application/zip；而常规XLSX文件的检测结果为application/x-tika-ooxml，部分在线MIME检测工具也将其识别为application/zip。

相关代码 #

Aspose.Cells生成XLSX代码 #

...
var outputStream = new ByteArrayOutputStream();
var workbook = new Workbook(inputStream);
workbook.save(entityStream, SaveFormat.XLSX);

Tika检测MIME类型代码 #

byte[] filecontent = ...
var result = new Tika().detect(filecontent);

解压后的[Content_Types].xml内容 #

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Types xmlns="http://schemas.openxmlformats.org/package/2006/content-types">
    <Default Extension="rels" ContentType="application/vnd.openxmlformats-package.relationships+xml" />
    <Default Extension="xml" ContentType="application/xml" />
    <Override PartName="/xl/workbook.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet.main+xml" />
    <Override PartName="/xl/theme/theme1.xml" ContentType="application/vnd.openxmlformats-officedocument.theme+xml" />
    <Override PartName="/docProps/app.xml" ContentType="application/vnd.openxmlformats-officedocument.extended-properties+xml" />
    <Override PartName="/docProps/core.xml" ContentType="application/vnd.openxmlformats-package.core-properties+xml" />
    <Override PartName="/docProps/custom.xml" ContentType="application/vnd.openxmlformats-officedocument.custom-properties+xml" />
    <Override PartName="/xl/styles.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.styles+xml" />
    <Override PartName="/xl/worksheets/sheet1.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.worksheet+xml" />
    <Override PartName="/xl/worksheets/sheet2.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.worksheet+xml" />
    <Override PartName="/xl/sharedStrings.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.sharedStrings+xml" />
</Types>

问题解答 #

1. 文件本身是否存在问题？ #

文件没有功能性问题。XLSX本质是符合OOXML规范的ZIP压缩包，能被MS Excel正常打开，说明其内部结构、内容完全符合Excel的读取标准，不影响日常使用。

2. 为什么会被识别为application/zip？ #

Tika的MIME检测逻辑分为两层：

• 首先检查文件魔数，XLSX和ZIP的魔数都是50 4B 03 04，会先标记为ZIP类型；
• 后续需要解压文件，检查内部的[Content_Types].xml或特定路径文件，才能识别为具体的OOXML类型。

Aspose生成的文件被识别为ZIP，主要原因是仅使用tika-core模块时，缺少深度解析OOXML的能力，需要配合完整的解析器包才能完成精准识别。另外，Aspose生成的ZIP包在压缩元数据（如文件顺序、压缩级别）上与MS Excel生成的略有差异，也可能导致部分检测工具仅停留在ZIP层面的识别。

3. 解决建议 #

• 补充Tika依赖：添加tika-parsers-standard-package依赖（版本与tika-core保持一致，即3.0.0），完整解析器包可深度解析OOXML结构，正确识别为application/vnd.openxmlformats-officedocument.spreadsheetml.sheet（或Tika封装的application/x-tika-ooxml）；
• 调整Aspose保存参数：使用OoxmlSaveOptions设置严格的OOXML合规性，示例代码：

  OoxmlSaveOptions options = new OoxmlSaveOptions(SaveFormat.XLSX);
  options.setCompliance(OoxmlCompliance.ISO_29500_2008_STRICT);
  workbook.save(entityStream, options);
  

• 手动辅助判断：若无法添加依赖，可结合文件扩展名辅助识别，或自定义Tika Detector，通过检查内部是否存在/xl/workbook.xml路径来判定为XLSX。

内容的提问来源于stack exchange，提问作者Vytautas Arminas